背景:卵巢癌是女性生殖系统较为常见的恶性肿瘤,发病率在全球排名第五,致死率居妇科恶性肿瘤之首位。据调查统计,2020年全世界卵巢癌的发病达313,959例,死亡达207,252例,分别占新发癌症的3.4%和所有癌症死亡病例的4.7%。目前,早期卵巢癌5年生存率可超过90%,但常常因患者无明显体征和症状而被忽视,致使就诊时大多数（大约70%）患者都处于癌症晚期,而此时的5年生存率仅仅只有30%左右。因此,寻找影响卵巢癌预后的关键基因和治疗靶点尤为重要。随着基因组学技术的发展,通过基因表达谱分析肿瘤生物学信息寻找可靠地的分子生物标志物的意义重大,但随着许多疾病预测风险模型的应用于临床患者的诊断、治疗评价和预后判断方面有了一定的效价,因此,构建一个可以预测卵巢癌患者生存率的模型也是迫切需要的。目的:本研究旨在通过GEPIA数据库和泛RNA表观遗传修饰基因集,筛选出卵巢癌预后相关基因并构建预后风险模型,分析预后风险模型与临床指标、免疫微环境和肿瘤突变负荷之间的关系,寻找可以干预靶点;并针对预后风险模型和临床指标构建卵巢癌的预后预测模型,以期为提高患者预后奠定研究基础。方法:从GEPIA数据库获取TCGA-OV患者的差异基因,将差异表达基因与泛RNA表观遗传学基因集取交集,得到卵巢癌相关泛RNA表观遗传学差异基因,并进行GO和KEGG富集分析。采用TCGA数据库中卵巢癌（OV）患者的基因测序数据和临床数据作为分析数据源,拆分为70%的训练集和30%验证集;利用R软件对训练集进行单因素、多因素Cox回归分析筛选卵巢癌预后相关基因、构建预后基因风险模型并计算风险评分,绘制ROC曲线和Kaplan-Meier生存分析曲线,同时进行内部验证。根据Risk score评分中位值将卵巢癌患者分成高风险组和低风险组,分别比较两组患者在临床指标、免疫评分、基质评分、浸润性免疫细胞分析、免疫检查点分子、GSEA富集分析和肿瘤突变负荷之间的差异,探索风险模型与上述指标的相关性。最后,我们结合风险评分和临床指标,构建包含预后风险模型和临床因素的诺莫图（Nomogram）,并绘制校准度曲线、Kaplan-Meier生存分析曲线和ROC曲线,进一步评估该预后预测模型的效能。结果:在这项研究中,我们获得了卵巢癌差异基因共13690个,筛选出43个卵巢癌相关泛RNA表观遗传修饰基因。在训练集中,发现HNRNPA2B1和YBX1这2个基因与患者预后有关联（P＜0.05）,随之构建了这2基因的预后风险模型,以Risk Score的中位值将患者分为两组,发现卵巢癌低风险组患者的生存率高和生存周期长,该模型预测的1、3和5年生存率AUC为0.536,0.566和0.620,表明该模型在生存预测方面具有一定的判断价值;同时行验证集测试,验证通过。基于风险模型行临床指标相关性分析,发现在高低风险组中,除了肿瘤分级外,年龄、肿瘤分期、残瘤大小、淋巴结转移和血管侵犯均无统计学差异。我们继续基于风险模型分析肿瘤微环境,发现了高低风险组患者之间呈现明显的免疫差异,其中高风险组患者免疫评分、基质评分、免疫检查分子点C10orf54、CD27、TMIGD2、TNFRSF14、TNFRSF18和TNFRSF4较低风险组高。而比较两组患者的TMB分数无统计学意义。最后,结合临床数据和Risk Score行变量筛选,发现年龄、残瘤大小和Risk Score可以作为卵巢癌患者预后独立的预测指标,并将其纳入多因素Cox回归风险比例模型,绘制Nomogram图个体化预测卵巢癌患者化生存率,运用校准度曲线、Kaplan-Meier生存分析曲线和ROC曲线对其进行评价,效果良好。结论:基于TCGA数据库和泛RNA表观修饰遗传基因集获得了43个卵巢癌泛RNA表观修饰基因,采用Cox回归分析,筛选出HNRNPA2B1和YBX1这两个基因对卵巢癌预后有潜在的影响,构建了卵巢癌预后风险模型并验证良好,并发现卵巢癌患者之间存在明显的免疫差异。最后结合风险评分及临床指标,构建了卵巢癌预后预测模型。